台大電資學院參訪：工程師職涯分享 & CMoney 工程技術探索

前言：你用過 CMoney 的產品嗎？

這次接待台大電資學院同學們的參訪，在對談中，現場的氣氛很快活躍起來，尤其是在互動開場的時候，問了一個簡單的問題：「有誰用過 CMoney 的產品？」也引發了同學們的熱情回應。

首先，一位同學提到她訂閱了 CMoney 的電子報，經常收到最新的股市分析和趨勢。「這些電子報內容很有意思，讓我更了解市場動態，」他說，眼神中透著一股研究者的專注。另一位同學則分享了他使用簡單記帳的經驗：「已經用了半年，感覺對財務規劃變得更有條理。」這些回應讓在場的同學們都會心一笑，畢竟，誰不需要一個方便的工具來理清生活呢？

有趣的是，另一位同學、同時也是CMoney X實驗室的實習生提到她用的 CMoney 的「吐司英文」和「超慢跑計時器」這些意想不到的 X實驗室產品，這一點也讓大家發現，原來 CMoney 的產品並不僅僅局限於投資理財，而是橫跨了健康、學習等多個領域。

同學們從開場認識到 CMoney 多樣化的產品線，如何深入到日常生活的方方面面，幫助用戶無論在財務還是生活中都有所提升。

CMoney 發展的成長故事也讓同學們感到好奇，作為台灣最大的金融科技公司之一，CMoney 已成功占據金融機構市場的九成，並通透過一系列產品觸及數百萬用戶。這些產品背後展現的是 CMoney 的公司文化與價值觀 — — 貢獻價值、自我超越、身心靈一致 — — 在為用戶創造價值的過程中，不斷學習與突破自己的舒適圈，讓團隊持續前進。這貫穿在產品開發與用戶體驗的每個細節中，讓 CMoney 的產品不斷迭代，提升每位用戶的生活體驗。

一、技術長 & 資深後端主管的職涯分享

技術長分享

技術長 Jason 分享了他的學術背景：他畢業於台大資工系，是台灣大學法通過後，台大第一批學士畢業後逕讀博士班的學生，之後也於在職期間到 UC Berkeley 當訪問學者。Jason 豐富的經歷橫跨學術界和產業界，尤其是在 AI 領域深耕多年，早在 ChatGPT 興起之前，他的團隊就已經投入 AI 和 Chatbot 相關的產品落地與研究，像是 萬小芳 和 T-BERT等。此外，他的團隊也有參與多場頂尖國際學術會議 NeurIPS 、 CVPR 、 AAAI 、 MM 等的發表。

Jason 的分享，生動地呈現了他之所以能一步步走向技術長之路的背景，除了讓同學們對 CMoney 的工程團隊有了更多的了解，也讓大家看見工程師的職涯發展並非只有單一路徑，每個人都可以找到屬於自己的職涯發展方式。

後端工程主管分享

在這次訪談中，主要負責回答工程問題的是後端工程主管也是資深工程師的 Shelly，她回顧了自己從最初全部的工程師都集中在工程部門內，處理來自全公司的工程需求；到現在進入消費事業群擔任後端 Group Leader 的歷程。目前，她領導消費事業群的後端團隊，專注在發票載具和簡單記帳等產品。

隨著 CMoney 導入矩陣型組織，Shelly 已經在 CMoney 的不同專案團隊中擔任過多個領導角色，帶領不同團隊協作，應對多樣需求，並在技術管理中不斷成長。Shelly 的分享讓同學們感受到技術角色的多面性，從開發到跨部門協作，都是她日常的一部分。

Q&A

問：「 CMoney 矩陣型組織是如何運作的？每個產品都有一個負責人嗎？他們是如何被歸類到不同部門？」

人資長與技術長聯手解釋了這個問題。首先，他們強調了職能和事業的區別：職能是指完成職務所需的能力，例如產品經理和行銷經理的工作內容是完全不同的。同樣地，人力資源和工程部門的專業背景也不同，因此公司內部會有多種不同的職能。

人資長進一步說明 CMoney 採用矩陣型組織的原因：公司的產品眾多且多樣化，從金融機構使用的法人投資系統到一般大眾使用的理財工具、學習平台等，每個產品針對的目標受眾（TA）都不同，因此發展不同產品的事業群，需要有專門的負責人來領導不同事業群中的產品開發和運營。

技術長舉例說明：「例如，Shelly 負責消費事業群下的發票載具與簡單記帳，而負責財經資訊的團隊可能又有不同的專案負責人。因此，像工程師這樣的職位，他們既會隸屬於某個具體的事業群，又會有部門主管負責他的技術能力提升和職涯發展。」

這樣的組織設計，確保每位員工在職涯發展上有專業領域的指導，同時也確保他們所參與的事業或專案能有明確的目標與方向。每位員工會有兩個主管：一個是負責他們所參與事業的主管，另一個則是負責職能發展的部門主管。這樣的矩陣型組織既能讓員工專注於產品的成功，也能在專業成長上獲得指導與評估。

二、軟體開發流程：採用敏捷開發，快速迭代

在 CMoney 的軟體開發過程中，靈活性和協作效率是首要目標。團隊採用敏捷開發（Agile）並使用 Scrum 框架來管理項目。每兩週為一個開發周期（Sprint），在這短短的兩週中，團隊需完成從需求分析、規劃、開發到測試的完整流程，迅速地迭代產品。這樣的設計，意味著即使是大規模的產品開發，也能被分解成可以快速實現的小步驟，有助於及時獲得市場反饋，並迅速調整方向。

在 Scrum 的日常運行中，CMoney 的團隊設置了多層次的溝通機制，例如每天15 分鐘的短會（Daily Standup Meeting），讓團隊成員即時交流目前的進展和遇到的問題。

每個 Sprint 結束後的成果審視（Review）和檢討（Retro）則讓團隊持續優化，深入分析這段開發流程中的亮點和挑戰。這樣的流程確保了團隊能夠在每個循環中快速迭代，並及時修正需求變更帶來的影響。

除了日常會議，CMoney 還設置了技術專案經理（TPM）角色，TPM 在工程師與產品經理之間充當橋樑，負責將業務需求轉化為技術規格文件。這樣的設計既能促進跨部門的高效溝通，又能確保需求在技術層面上清晰、可行，從而加速開發進程並減少潛在的錯誤。

為了確保開發進程中的質量控制，CMoney 除了引入 單元測試 和 整合測試 外，也成立了獨立的 測試團隊（QA Team） 來做 回歸測試 和 壓力測試 等專業測試。每個測試環節都經過嚴謹設計，確保產品穩定性與用戶體驗。GitLab 和 Jira 等工具的應用進一步提升了開發效率和專案協作透明度。

Q&A

問：每日短會會不會太多，會議過多是否影響工作效率？

答：短會設計為 10–15 分鐘的快速站立會議，目的是讓成員即時反映目前的進展和遇到的問題，以確保工作流程不斷完善。短會確實可以避免長時間會議的效率低下，也能減少誤解，達到訊息流通的效果。

問：如果有較大的功能需求，兩週的 Sprint 是否會時間不夠？

答：確實，部分功能的開發可能會超出兩週的範圍。在這種情況下，我們會將該功能拆分為可測試的階段，逐步完成，也可能視需求增加 Sprint 的天數，以確保工作量合理分配，避免團隊過度趕工。

問：如何支持新技術的導入與團隊培訓？

答：針對新技術，公司內部會設置到職和在職訓練，讓資深工程師或架構師進行分享會或工作坊（workshop），也有定期舉辦讀書會，更會尋求尋求外部顧問的技術支持，例如與 MongoDB 顧問開會或參加技術會議。這樣的多層次支援確保了團隊能夠有效掌握新技術，並在實務中順利應用。

三、測試與品質保證：多重測試確保產品穩定性

在測試與品質保證方面，CMoney 會視情況採用 測試驅動開發（TDD）來提升軟體穩定性。以 單元測試 （Unit Test） 和 整合測試 （Integration Test） 為主，測試的關鍵在於小範圍、高頻率，確保程式碼能快速通過驗證並即時發現問題。

在品質管理上，CMoney 採用自動化測試以確保產品穩定性。團隊使用 Postman 進行 API 冒煙測試（Smoke Test），確保每個關鍵功能點的可用性。此外，QA 團隊則使用 Selenium 進行 端到端 (E2E) 測試 ，模擬真實用戶的操作場景。在 整合測試（CI）流程中，單元測試被集成到 CI/CD 管線中，任何單元測試未通過都將阻止系統部署，確保代碼的穩定性。

為確保產品在上線前達到最佳狀態，會在每個 Sprint 結束時進行 Bug Bash，團隊成員們聚集再一起，檢查產品功能的完整性，立即修復發現的 Bug，確保上線前的產品達到最穩定的狀態。這樣的流程讓 CMoney 產品能夠始終以最佳狀態呈現給用戶。

Q&A

問：如何確保測試的覆蓋面，避免遺漏潛在問題？

答：每個測試案例均根據需求和預期情境來設計。當所有已知情境測試通過後，產品會上線，但也會持續監控用戶反饋，針對用戶發現的新情境進行測試覆蓋和 Bug 跟蹤管理。

問：當團隊採用新技術時，如何確保測試工具和技術的兼容性？

答：CMoney 會定期評估技術選擇的穩定性與兼容性，並安排內部或外部培訓，以確保工程師能夠掌握最新的測試工具。

四、AI：同步優化用戶體驗與提升生產力工具

CMoney 的 AI 技術應用重點在於 優化用戶體驗 和 開發高效生產力工具 。儘管 AI 在金融科技中潛力巨大，CMoney 依然謹慎評估 AI 的準確性和風險，確保任何應用錯誤的代價不會對用戶或公司產生重大影響。

在開發流程中，CMoney 導入了多款 AI 工具以提升效率。舉例來說，我們使用 Microsoft 的 Copilot 作為編程輔助，協助工程師自動補全與重構代碼，降低重複性工作的負擔讓他們得以專注於更具挑戰性的創新任務。此外，CMoney 採用了 Google 的 NotebookLM，透過 自然語言處理技術 結合公司 API 文件，便於工程師在開發過程中快速檢索相關文件。例如，在整合 CMoney APP 「發票載具」 的 API 時，前端工程師能夠透過自然語言搜索找到對應 API 和文件，大大簡化了開發流程，即便是對該 API 不熟悉的工程師也能迅速上手。

AI 在 CMoney 的應用方向涵蓋了 生產力工具 和 個人化推薦 服務。為提升生產力，CMoney 開發了多款 AI 工具供內部開發和 B 端用戶使用。例如，公司曾開發一款 金融研究報告摘要工具 ，協助用戶迅速掌握冗長報告中的關鍵信息，並考慮進一步將其推廣至 B 端，滿足市場需求。

在個人化應用上，CMoney 使用 AI 模型為用戶提供更精準的推薦，例如在「股市爆料同學會」中設計專屬「動態牆」，讓首頁推薦內容更符合每位用戶的投資偏好和閱讀習慣。同時，AI 也支持 個人化推播 服務，根據用戶行為自動生成個性化的消息和資訊推送，使用戶在每日開啟應用時即刻獲取最相關的財經資訊。此外，CMoney 與 Google 合作，運用 Gemini 模型打造「實戰動能標股」虛擬網紅 Chatbot，透過互動方式讓用戶更加了解股市動態，提升財經知識。

展望未來，CMoney 的 AI 技術應用將聚焦於 優化開發生產力工具 和 提供高度個人化的用戶體驗，進一步將 AI 深入整合至各個開發環節，提升工程師效率，減少在繁瑣任務上的投入。

Q&A

問：AI 是否會應用於金融決策或投資建議上？

答：CMoney 在金融應用中導入 AI 時，會嚴格考慮 AI 的準確性和風險。由於直接使用 AI 錯誤的代價很高，因此 CMoney 多應用 AI 在於資訊和推播的個人化體驗，如提供資訊推薦或加強互動性，而非直接給出投資建議。

問：CMoney 如何確保 AI 工具的準確性和適用性？

答：CMoney 會先於內部開發流程和低風險場景中測試 AI 工具，並進行反覆評估。此外，CMoney 也和外部 AI 專家合作，根據專業建議進行模型優化，以確保 AI 工具在用戶體驗中發揮最佳效果。

五、雲服務應用：多雲策略保障數據安全

CMoney 的產品和用戶基數龐大，為了保障用戶數據安全性、服務穩定性和控制成本，公司靈活地利用多家雲端服務商，所有數據都符合國際隱私標準，並進行去識別化處理以保障客戶資料的機密性。透過平衡成本與延遲需求，CMoney 策略性地將 AWS、GCP 和 Azure 等雲端解決方案，運用於股市資訊、多媒體資料儲存、數據處理、全球分流、服務調度等，不同業務場景中。

Q&A

問：為什麼要同時使用多家雲端服務供應商，而不是選擇一間？

答：主要是成本與延遲考量不同。每個雲端供應商在不同區域的服務速度、延遲和計費模式上存在差異。通過多雲策略，我們可以利用每個供應商的優勢，既降低成本，也確保服務的低延遲和穩定性，這樣才能在多種需求下達到最佳平衡。

問：在多雲環境中，如何確保客戶數據的隱私和安全？

答：CMoney 嚴格遵守客戶數據保護法規，並通過多層安全防護來保障數據的隱私。在不同雲端系統中，我們的數據處理均遵循去識別化標準，確保任何外部存取或傳輸都符合安全和隱私政策。此外，數據僅在符合安全規範的情況下會進行共享和儲存，以確保數據安全無虞。

結語

這此與台大電資學院的交流，讓我們看見了台大電資學生的熱情與好奇心，也讓他們對 CMoney 的技術應用、產品開發與企業文化有了更深刻的認識。

如果正在閱讀的你，也跟 CMoney 的團隊一樣熱愛創新與挑戰，想成為我們的一份子，歡迎加入我們，一起為世界貢獻更多價值！